新型态竞争风云起 EDA启动AI芯片新战场

AI将引导全世界走向工业革命以来，最大幅度的社会经济革新。

相关厂商必须快速将运算芯片上市，来处理AI架构的全新挑战。

这样的需求正驱使EDA工具日新月异，便于开发更高等级的方案。

随着AI技术的逐渐扩大应用，复杂性也不断增加，人们越来越清楚地知道，AI及其许多工具（例如深度学习、机器学习等）都将再一次引导全世界走向工业革命以来，最大幅度的社会经济革新。

尽管AI的使用，在道德层面上仍然存在着许多的争议，但不可否认的是，尽管目前仍只是处于AI发展的初期，然而AI已被大量部署于许多不同的领域，用于改善并实现机器的自动化。从数据的收集、通讯、机械人技术、工厂自动化、汽车设计到IC设计产业，都可以见到AI的踪影。特别是在IC设计的EDA领域，AI的应用案例更是不胜枚举。

AI迈入自主系统时代

根据Mentor Graphics（明导国际）所发表的白皮书指出，正由于得益于最新的技术进展，AI现已进入自主系统的时代，让人们可以拥有强大的能力，来处理运算密集的复杂任务。AI系统既便利又强大，可以用来解决全球面临的各种重大挑战。

AI系统包括三部分，超大数据集、数据处理算法，以及用来处理数据的运算硬件。一般来说，AI系统必须要能够快速地处理大量数据，才能实际发挥作用，而这就需要使用快速的运算能力。AI对于运算能力的需求，也催生了AI芯片（或者AI加速器）这个快速成长且充满竞争的新市场。要在这个市场上领先群雄，就必须快速将芯片上市，并且透过设计与测试的解决方案，来处理AI芯片架构的全新挑战。

提高AI运算效能

从Mentor Graphics的研究数据中可以发现，AI竞赛的展开，使得AI运算的需求大增，每3.5个月便增加一倍，自2012年起至今，已经增加了300,000倍。接着来看这三家处理器厂商的案例，他们各自采用了不同的硬件技术，来满足AI运算市场的成长需求。Graphcore与Mythic这两家新创公司是以ASIC芯片的方式提供AI运算能力，其ASIC架构是以创新的大规模平行架构为基础，能够大幅提升AI系统的数据处理能力。至于Intel、AMD与Nvidia等处理器大厂，则是持续开发并优化现有的处理器架构，包括GPU、CPU以及FPGA等，使其能满足AI系统的运算需求。

事实上，AI市场可以说相当活跃，目前已有超过50家新创公司以及25家传统半导体大厂，都争相抢食AI市场的市占率。由于AI相关厂商的快速成长，使得市场竞争也日趋激烈。对这些厂商来说，产品的上市时间相当重要，因此设计流程中的每一个细节，包含IC测试与芯片调校等过程，都必须把『尽快将质量最好的芯片送到客户手中』当作策略目标。

更快的AI芯片设计工具

大多数AI开发都是从数学算法开始的。开发人员在数学工具中创建算法，并将其转换为C语言，然后在处理器上运行该算法。在这样的过程中，工程人员会发现算法的某些部分能以最佳方式运行，至于其他部分则运行速度较慢。

因此，这样的发现使得AI加速器的IP和芯片开发上出现了巨大的成长。工程人员可以强制某些算法透过C语言的调整，使其在现有的ASSP架构上运行，但可能会降低性能和功耗。至于某些算法则需要特别的逻辑性才能进行最佳运算，例如在行动设备上的ML演算。

AI芯片虽然可能有不同的架构，但通常有几个关键的设计特性是共享的。通常AI芯片架构与测试要求对DFT实作策略会产生影响。无论使用的架构为何，AI芯片通常都具有以下的设计特性：

‧闸极数量达数十亿的大型设计。

‧大量经过复制的处理核心。

‧分散的内存。

为特定应用程序开发正确的AI架构，这样的需求也正驱使着EDA工具日新月异，让相关厂商能够开发更高等级的解决方案，现阶段许多厂商都正尝试开发用于AI的SoC，使得EDA厂商的相关业务也都出现了成长。

Mentor Graphics开发的Catapult HLS平台，让AI架构师可以将开发完成的数学算法转换成为C或SystemC等语言，并预先了解如何透过软件与硬件来达到AI演算的最佳结果，并将这些AI架构更完美地应用到实时的AI装置上。

利用AI芯片的规则度

AI系统必须快速处理大量数据，这就需要使用快速的运算能力。这也催生了AI芯片这个快速成长且充满竞争的新市场。

AI芯片通常具有大量相同的核心，利用AI芯片的规则度进行可测试性设计（DFT），代表DFT作业（包含测试插入、测试向量产生以及验证等）只会在核心层级完成一次。然后经过sign-off的完整核心会自动进行复制，以完成芯片层级的DFT实作。Mentor Graphics表示，Tessent阶层式DFT是相当理想的解决方案，除了能利用AI芯片的规则度，并允许在不同的层级对区块进行完整的DFT sign-off。

对于AI芯片来说，以最快的速度将芯片推出市面是首要目标。要满足这项要求，DFT解决方案必须能够支持三项关键功能：

‧利用AI芯片的规则度

‧在RTL中进行DFT插入

‧消除DFT到测试的迭代

Tessent的RTL（register-transfer level）型阶层式DFT与Tessent SiliconInsight方案，能够缩减DFT与芯片调教所需的时间。Tessent的RTL型阶层式DFT，可利用AI芯片的规则度，完成核心层级的DFT sign-off，以及IJTAG的核心复制与整合。RTL型阶层式DFT支持DFT的插入与验证，以及RTL层级的可测试性分析，进而加速设计开发周期。使用这项解决方案，用户的测试向量产生速度能提高10倍，向量缩减量能达到2倍，系统内存使用量则能够减少10倍。

结语

既然AI的宝箱已经被开启，我们所需要的就是用正面与积极的态度来拥抱它。毫无疑问的，在2020年，AI芯片与系统的设计与部署，也将会随着EDA工具的成熟与完备，而继续成长茁壮。